MétaCan
Menu
Retour à la cohorte
Enregistrement W4295708792 · doi:10.26633/rpsp.2022.153

Developing population-based hypertension control programs

2022· article· en· W4295708792 sur OpenAlexaff
Marc G. Jaffe, Donald J. DiPette, Norman R.C. Campbell, Sonia Y. Angell, Pedro Ordúñez

Notice bibliographique

RevueRevista Panamericana de Salud Pública · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueBlood Pressure and Hypertension Studies
Établissements canadiensLibin Cardiovascular Institute of AlbertaUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésOutreachMedicineHealth carePopulationBusinessNursingIntensive care medicineMedical emergencyEnvironmental healthPolitical science

Résumé

récupéré en direct d'OpenAlex

Hypertension remains the leading cause of cardiovascular disease globally despite the availability of safe and effective treatments. Unfortunately, many barriers exist to controlling hypertension, including a lack of effective screening and awareness, an inability to access treatment and challenges with its management when it is treated. Addressing these barriers is complex and requires engaging in a systematic and sustained approach across communities over time. This analysis aims to describe the key elements needed to create an effective delivery system for hypertension control. A successful system requires political will and supportive leadership at all levels of an organization, including at the point of care delivery (office or clinic), in the health care system, and at regional, state and national levels. Effective screening and outreach systems are necessary to identify individuals not previously diagnosed with hypertension, and a system for follow up and tracking is needed after people are diagnosed. Implementing simple protocols for treating hypertension can reduce confusion among providers and increase treatment efficiency. Ensuring easy access to safe, effective and affordable medications can increase blood pressure control and potentially decrease health care system costs. Task-sharing among members of the health care team can expand the services that are delivered. Finally, monitoring of and reporting on the performance of the health care team are needed to learn from those who are doing well, disseminate ideas to those in need of improvement and identify individual patients who need outreach or additional care. Successful large-scale hypertension programs in different settings share many of these key elements and serve as examples to improve systems of hypertension care delivery throughout the world.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,015
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,018
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0030,004
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,040
Tête enseignante GPT0,280
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Panamericana de Salud PúblicaMême sujetBlood Pressure and Hypertension StudiesTravaux en français237 207